VINUEZA NARANJO, Paola G.    PATIL, Navinkumar J. Paradigma para la accesibilidad y colaboración al Análisis de Datos Genómicos. []. , 1, 2, pp.70-82.   01--2021. ISSN 2631-2654.  https://doi.org/10.37135/unach.ns.001.02.08.

^a

La secuenciación de la próxima generación es cada vez más creciente y requiere recursos informáticos a gran escala para manejar la enorme cantidad de datos producidos. El paradigma Cloud computing fácilmente maneja datos enormes, pero el problema central con este paradigma es la transferencia de datos enormes hacia y desde las computadoras en cloud debido al ancho de banda limitado que radica en la naturaleza centralizada de la arquitectura Cloud computing la cual está localizada lejos de los usuarios. Una arquitectura donde la potencia de computación se distribuya de manera más uniforme en toda la red es una forma de combatir este problema. La arquitectura debe llevar la capacidad de procesamiento hacia el borde de la red, más cerca de la fuente de los datos. Para esta propuesta, Fog computing ofrece una solución prometedora para acercar las capacidades computacionales a los datos generados y será la solución para ganar fuerza en la investigación genómica. Proponemos un nuevo modelo llamado Collaborative-Fog (Co-Fog) que adopta los paradigmas Fog y Cloud computing para administrar grandes conjuntos de datos genómicos y para permitir la comprensión de cómo las partes interesadas pueden gestionar la interacción y la colaboración. El presente trabajo describe el modelo Co-Fog que promete un mayor rendimiento, eficiencia energética, menor latencia, tiempo de respuesta más rápido, escalabilidad y una mejor precisión localizada para futuras colaboraciones a gran escala en la genómica.

Increasingly growing Next-generation sequencing requires large-scale computing resources to handle the huge amount of data produced. The Cloud computing paradigm readily handles huge data but the core issue with this paradigm is transfer of enormous data to and from cloud computers due to limited bandwidth which lies in the centralized nature of a Cloud computing architecture that is located far away from users. An architecture where computing power is distributed more evenly throughout the network is the way to combat this problem. The architecture should drive the processing capacity towards the edge of the network, closer to the source of the data. For this propose Fog computing offers a promising solution to move computational capabilities closer to the data generated and will be the solution to gain traction in genomics research. We propose a novel Collaborative-Fog (Co-Fog) model that adopts the Fog and Cloud computing paradigms to manage huge genomic data sets and to enable understanding of how key stakeholders can manage the interaction and collaboration. The present work describes the Co-Fog model that promises increased performance, energy efficiency, reduced latency, faster response time, scalability, and better localized accuracy for future large-scale collaborations in genomics.

: .

        · | |     · |     · ( pdf )